ارزيابي روش هاي ريزمقياس نمايي در پيش‌بيني پارامترهاي آب و هوايي تحت شرايط تغيير اقليم: مطالعه موردي ايستگاه سينوپتيك اردبيل

Assessment of Downscaling Methods in Predicting Climatic Parameters under Climate Change Status: A case study in Ardabil Synoptic Station

تغيير اقليم از جمله تغييرات بي‌سابقه‌اي است كه در حال وقوع است. مدل‌هاي گردش عمومي جو مناسب‌ترين ابزار براي مطالعه اثرات ناشي از تغيير اقليم شناخته شده اند، اما خروجي آن‌ها به منظور كاربرد در مدل‌هاي هيدرولوژيكي، بيش از حد بزرگ مقياس است. بنابراين روش‌هاي مختلف ريز مقياس نمايي به كار گرفته مي‌شود تا خروجي اين مدل‌ها با تفكيك زماني و مكاني مناسب‌تري فراهم شوند. ميزان تغييرات پارامترهاي هواشناسي بارش، دماي حداقل و حداكثر دستخوش تغييرات اين پديده است. از آنجايي كه پيش‌بيني اين سه پارامتر اقليمي حائز اهميت است، در اين مطالعه عملكرد يك مدل رگرسيوني چند متغيره و يك مدل مولد آب و هوايي در ريزمقياس نمايي پارامترهاي بارش و دما مورد بررسي قرار گرفته است. بدين منظور ميانگين تغييرات اين عوامل براي دوره‌ي 2065-2046 نسبت به دوره پايه 2013-1983 در ايستگاه سينوپتيك اردبيل تحت مدل HadCM3 و سناريوي A2پيش‌بيني شدند. نتايج حاصل از شاخص‌هاي خطاسنجي نشان داد كه در اين منطقه مطالعاتي، مولد آب و هوايي نسبت به مدل رگرسيوني چند متغيره از دقت بيش‌تري برخوردار است.

Climate change is an unprecedented change which is taking place. Global circulation Models (namely GCMs) are the most relevant tools for investigation of climate change phenomenon, but their resolution is very coarse. These outputs are not relevant for application in the hydrologic models.so in order to bridge the gap between the resolutions of GCMs and hydrologic models, it is needed to use downscaling methods so that relevant spatial and temporal resolution can be available. Changes of meteorological parameters such as precipitation, maximum and minimum temperatures. Since weather forecasting is important for these parameters, in this study, the performance of Statistical Downscaling Model (SDSM and Lars-WG) were used to predict temperature and precipitation and mean of these changes for the periods 2046-2065 compared to the base period 1983-2013 at Ardebil station and the model HadCM3 with A2 scenario were predicted. Downscaling models were used for data analysis were Lars-WG and SDSM. The results showed that the Lars-WG model with low mean absolute error for the stations is more accurate than SDSM model.